CN104101600A - 连铸坯断面微小裂纹检测方法及装置 - Google Patents
连铸坯断面微小裂纹检测方法及装置 Download PDFInfo
- Publication number
- CN104101600A CN104101600A CN201310130020.6A CN201310130020A CN104101600A CN 104101600 A CN104101600 A CN 104101600A CN 201310130020 A CN201310130020 A CN 201310130020A CN 104101600 A CN104101600 A CN 104101600A
- Authority
- CN
- China
- Prior art keywords
- image
- crack
- crack defect
- defect
- continuous casting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
本发明是一种连铸坯断面微小裂纹检测方法及装置,该装置包括:相机、光源、图像采集卡、计算机;相机和光源以一定角度安装在连铸坯样板上方,相机的数据输出端连接图象采集卡,图像采集卡的数据输出端连接计算机的数据输入端,计算机对采集到的多幅图像进行图象处理并计算裂纹缺陷的尺寸并输出检测结果。检测方法包括:边缘检测、高斯滤波、梯度二值化、聚类、计算裂纹宽度、比较宽度与阈值以及人工干预、裂纹缺陷判断以及保存裂纹数据或丢弃非裂纹数据。本发明实现对连铸坯截面微小裂纹的精确检测,避免连铸坯表面裂纹缺陷的误判和漏判;根据检测结果,质检人员可以及时掌握连铸坯内部质量问题,并对其质量等级做出正确的判定。
Description
技术领域
本发明涉及一种材料缺陷检测方法及装置,具体说有关一种带材缺陷检测方法及装置。
背景技术
目前,基于机器视觉的在线检测系统已经成功运用于各种连续带材如带钢、带铝、铜箔以及纸张、塑料等的生产线中,可以实现对这些带材表面缺陷的实时、高效检测。该类型的检测设备依托高速相机在生产线上拍摄材料的图像,用计算机分析是否存在缺陷以及存在何种缺陷。
目前开发出来的基于机器视觉的表面质量检测装置在钢铁行业中,大多应用于带钢表面检测。连铸坯内部经常会出现裂纹,而大多数裂纹都非常细小,大概只有几十微米,比一根头发丝都要细小,这些裂纹往往在连铸坯的内部较深的位置,目前的做法是通过在连铸坯厚度方向中部进行切割的方式,然后取该断面的低倍图像,由人工对其上面存在的裂纹缺陷进行判断并形成报告。当然,我们可以通过提高相机分辨率来使裂纹缺陷得以放大,但由于被抽检的连铸坯断面经过酸洗和打磨等工序,其表面也往往呈现出一些与裂纹缺陷相似的“伪缺陷”,若通过增大分辨率的方法,这同时意味着:与裂纹灰度相近的表面“伪缺陷”也被放大。这样,由于裂纹缺陷往往非常细小,且往往存在非裂纹缺陷的其他细小印迹等伪缺陷干扰,这样也无法实现正常检测。
在中国专利第200710192785.7号中公开了一种图象处理装置、图像处理方法和程序,该专利通过对图像中的象素值进行比较来检测缺陷像素及等级。该专利所提供的方法虽然简单,但是对于连铸坯的检测对象来说,裂纹缺陷每个像素值相差不大,且裂纹宽度较小,很难达到检测精度要求,且无法实现对裂纹宽度的计算。在中国专利第201110121520.4号中提供了一种物体表面缺陷在线检测方法及实现该方法的装置,通过灰度与深度信息的融合提高缺陷检测与识别的准确率。该专利中提供的方法虽然可以很详细地知道缺陷的具体形貌,但由于灰度与深度两个信息都要知道,所需的硬件架构较复杂,成本较高。在中国专利第200510010049.6号中揭示了一种使用线阵相机的缺陷检测装置,该缺陷检测装置只是针对机器视觉缺陷检测这一模式进行笼统技术概述,并未涉及具体的裂纹检测的算法细节等。
综上所述,对于连铸坯微小裂纹缺陷检测目前还没有能排除伪缺陷干扰而实现准确检测的机器视觉检测装置。
发明内容
本发明的目的是提供一种针对连铸坯样板断面出现的微小裂纹进行检测的方法和装置,可以用机器视觉检测技术来实现对连铸坯截面微小裂纹的精确检测,可以避免连铸坯表面裂纹缺陷的误判和漏判;根据检测结果,质检人员可以及时掌握连铸坯内部质量问题,并对其质量等级做出正确的判定,从而达到对连铸坯质量的严格把关。
根据本发明一方面提供一种连铸坯断面微小裂纹检测装置,包括:相机、光源、图像采集卡、计算机;其中:相机和光源以一定角度安装在连铸坯样板上方,相机的数据输出端连接图象采集卡,图像采集卡的数据输出端连接计算机的数据输入端,计算机对采集到的多幅图像进行图象处理并计算裂纹缺陷的尺寸并输出检测结果。
所述计算机设置有图像处理单元模块、裂纹宽度计算单元模块和裂纹缺陷判定单元模块。
根据本发明另一方面提供一种连铸坯断面微小裂纹检测方法,采用上述检测装置实施,该装置包括相机、光源、图像采集卡、计算机;所述检测方法包括:
使光源发出亮光照射在连铸坯样板上,启动相机采集连铸坯样板的图像;
将相机所采集到的图像经由图像采集卡送到计算机;
启动计算机对采集到的多幅图像进行图象处理,计算出裂纹缺陷的尺寸;
对计算出的缺陷进行判断:如果计算出裂纹缺陷的宽度小于自动判断的标准,则发出警报,提示质检人员对该缺陷的检测进行人工干预判断是否裂纹缺陷;如果人工判断是裂纹缺陷则存入数据库,如果不是则丢弃掉该数据;若计算出裂纹缺陷的宽度大于等于自动判断的标准,则计算机自动计算出该缺陷的尺寸等数据,并保存至数据库。
计算机图像处理是通过图像处理单元模块对图像进行处理,计算裂纹缺陷的尺寸是通过裂纹宽度计算单元模块计算裂纹缺陷宽度。
自动判断是通过裂纹缺陷判定单元模块判断该裂纹是否裂纹缺陷,并将裂纹缺陷数据存入数据库。
图像处理单元模块对图像进行处理包括:
图像信号到达后,先对图像信号进行边缘检测,找到连铸坯样板的边缘并找出连铸坯样板左右边缘位置具体坐标值;
接着利用kirsch梯度算子进行梯度二值化处理,将图像转变成黑白图像,其中背景为白色,裂纹缺陷为黑色;
然后,对该黑白图像进行聚类处理,即对图像分别进行行扫描和列扫描,将相距在一定像素点以内的黑点连接在一起汇聚成裂纹缺陷区域,以保证每一条裂纹缺陷经过聚类后是连续的。
裂纹宽度计算单元模块计算裂纹缺陷宽度,是对该聚类出来的裂纹进行宽度计算,包括:
对该裂纹延伸方向进行曲线拟合,得出一条方向直线。然后对该方向直线以一定的像素间隔T进行垂直投影,共得到M行垂直投影结果;
然后,以象素点为单位进行统计计算,假设裂纹曲线在第一条投影线上共有D1个像素的目标点(即曲线和垂直投影线的交点处宽度),第2条投影上共有D2个目标点,第M个投影上共有DM个目标点,则
裂纹平均宽度
为图像在该垂直投影方向上的平均分辨率,其中,Rh为该图像水平方向分辨率,Rv为图像垂直方向分辨率。
Wr为根据试验确定的裂纹缺陷宽度阈值。
裂纹缺陷判定单元模块判断该裂纹是否裂纹缺陷包括:
若则该缺陷确定为裂纹缺陷,并将缺陷数据自动保存至数据库中;
若则无法确定该缺陷是否真的为裂纹缺陷,报警提示质检人员进行人工干预;若人工判定为裂纹缺陷,则将其保存至数据库;若不是裂纹缺陷,则将其数据抛弃。
本发明的有益效果是:由于计算机可处理采集图像并精确计算缺陷尺寸并提供质量判断,可对采集到的较细小的裂纹缺陷进行人工干预判断,丢弃掉其他干扰造成的伪缺陷,从而达到提高正确检出率,减小裂纹缺陷过检测,
附图说明
图1是本发明一个实施例的连铸坯断面微小裂纹检测装置的示意图;
图2是图1实施例中计算机内模块组成示意图;
图3是本发明的计算机图像处理及计算流程图;
图4是本发明的计算机进行边缘检测的原理示意图;
图5是本发明的计算机进行裂纹宽度计算的原理示意图。
具体实施方式
为让本发明的上述目的、特征和优点能更明显易懂,以下结合附图对本发明的具体实施方式作详细说明。首先需要说明的是,本发明并不限于下述具体实施方式,本领域的技术人员应该从下述实施方式所体现的精神来理解本发明,各技术术语可以基于本发明的精神实质来作最宽泛的理解。图中相同或相似的构件采用相同的附图标记表示。
如图1和图2所示,本发明一个实施例的一种连铸坯断面微小裂纹检测装置,包括相机1、光源2、图像采集卡3、计算机4。相机1和检测光源2以一定角度安装在连铸坯样板上方,光源2发出亮光照射在连铸坯样板5上,相机1对连铸坯样板5成像,质检人员可以对连铸坯样板和光源检测状况进行调整。相机1的数据输出端连接图象采集卡3,图像采集卡3的数据输出端,例如通过一种遥感RS232连接计算机4的数据输入端,计算机4输出检测结果供质检人员进行质量判断,最后判断出连铸坯样板的质量并保存至数据库。
计算机4共包括图像处理单元4-1、裂纹宽度计算单元4-2和裂纹缺陷判定单元4-3三个模块,如图2所示。
该发明的检测方法如下:光源2照射在连铸坯样板上,相机1对连铸坯样板5进行表面拍摄,相机1将图像数据输出至图像采集卡3。计算机4收到图像采集卡3传来的图像信号后,图像处理单元4-1对图像进行一系列处理,裂纹宽度计算单元4-2计算裂纹缺陷宽度,裂纹缺陷判定单元4-3判断该裂纹是否裂纹缺陷,并将裂纹缺陷数据存入数据库。计算机4的具体处理和计算判断方法如图3所示,包括:边缘检测、高斯滤波、梯度二值化、聚类、计算裂纹宽度、比较宽度与阈值以及人工干预、裂纹缺陷判断以及保存裂纹数据或丢弃非裂纹数据。
设所拍摄到的图像沿宽度方向上的像素数为Width,沿宽度方向上的像素数为Height,任意图像点灰度值g(i,j)(0≤i≤Width,0≤j≤Height,i和j均为整数),则图像处理过程描述如下:
1.图像信号到达后,先对图像信号进行边缘检测,找到连铸坯样板5的边缘。要找出连铸坯样扳左右边缘位置具体坐标值,参考图4。具体分为以下三个步骤来实现:
①首先,在图像宽度中心位置处,沿图像高度方向取图像中心线,图像中心线与图像交点坐标为(Width/2,j),其中,0≤j≤Height-1,j为整数。接着,沿图像宽度方向,在图像的1/5×Height、1/2×Height和4/5×Height高度处共取三条水平横线,如图4所示。然后,取得这三条横线上各点的灰度值,并计算这三条线上各个坐标点左边和右边各四点的灰度差值之和构成的集合bkL[i]和bkR[i],其中bkL[i]为从图象左边缘到图象宽度方向中心线区域的集合,bkR[i]为图像宽度方向中心线到图像右边缘区域的集合。
其中, 和取整数;i为宽度方向上坐标,且有4≤i≤(Width/2-4)。
其中, 和取整数;i为宽度方向上坐标,且有(Width/2+4)≤i≤(Width-4)。
②利用灰度差值,找到差值的极值和该极值对应的横向坐标点:
在连铸坯样板边缘处往往会出现灰度值的跳跃,因此连铸坯样板边缘应该是出现在灰度差值变化最大的坐标点处,即灰度差值极点处。令Threshold1为设定的灰度差值阈值,建立如下的求取极点差值和极点坐标值的过程:
如果(bkL[i]>Threshold1)&&(bkL[i]>MnL),
则MnL=bkL[i],WnL=i
其中,n=0,1,2,MnL为第n条水平线上从图像左边缘到中心线区域的最大差值,WnL为最大差值点的横向坐标值,即水平横线与钢板左边缘交点的横坐标(WnL在图像中的位置如图4所示)。
如果(bkR[i]>Threshold1)&&(bkR[i]>MnR),
则MnR=bkR[i],WnR=i
其中,n=0,1,2,MnR为第n条水平线上从中心线到右边缘区域内的最大差值,WnR为最大差值点的横向坐标值,即水平横线与连铸坯样板右边缘交点的横坐标(WnR在图像中的位置如图4所示)。
③确定边缘位置坐标。
设定EdgePosL为连铸坯样板左边缘坐标,EdgePosR为连铸坯样板右边缘坐标;
则有EdgePosL=min(W1L,W2L,W3L),最小的那个值为连铸坯样板左边缘坐标;
EdgePosR=max(W1R,W2R,W3R),较大的值为连铸坯样板边缘坐标;
2.找到连铸坯样板边缘后,再利用现有的图像处理算法进行高斯滤波降低噪声。
3.接着利用kirsch梯度算子进行梯度二值化处理,将图像转变成黑白图像,其中背景为白色,裂纹缺陷为黑色。
4.然后,对该黑白图像进行聚类处理,即对图像分别进行行扫描和列扫描,将相距在一定像素点以内的黑点连接在一起汇聚成裂纹缺陷区域,则可以保证每一条裂纹缺陷经过聚类后是连续的。
5.最后,对该聚类出来的裂纹进行宽度计算。计算方法如下:对该裂纹延伸方向进行曲线拟合,得出一条方向直线。然后对该方向直线以一定的像素间隔T进行垂直投影,共得到M行垂直投影结果。具体见图5所示。然后,以象素点为单位进行统计计算,假设裂纹曲线在第一条投影线上共有D1个像素的目标点(即曲线和垂直投影线的交点处宽度),第2条投影上共有D2个目标点,第M个投影上共有DM个目标点,则
裂纹平均宽度
为图像在该垂直投影方向上的平均分辨率,其中,Rh为该图像水平方向分辨率,Rv为图像垂直方向分辨率。
Wr为根据试验确定的裂纹缺陷宽度阈值。
6.若则该缺陷确定为裂纹缺陷,并将缺陷数据自动保存至数据库中;
若则无法确定该缺陷是否真的为裂纹缺陷,报警提示质检人员进行人工干预。若人工判定为裂纹缺陷,则将其保存至数据库;若不是裂纹缺陷,则将其数据抛弃。
综上所述,图1实施例的工作过程是:光源2发出亮光照射在连铸坯样板5上,相机1采集连铸坯样板5的图像,图像经由采集卡3送到计算机4,计算机4对采集到的多幅图像进行图象处理,计算出裂纹缺陷的尺寸。如果计算出裂纹缺陷的宽度小于自动判断的标准,则发出警报,提示操作人员对该缺陷的检测进行人工干预判断是否裂纹缺陷,如果人工判断是裂纹缺陷则存入数据库,如果不是则丢弃掉该数据;若计算出裂纹缺陷的宽度大于等于自动判断的标准,则计算机自动计算出该缺陷的尺寸等数据,并保存至数据库。
本发明中相机采集到图像并传送到计算机后,计算机利用图像处理算法对图像进行边缘检测、高斯滤波、梯度二值化、聚类分析和裂纹宽度计算后,判断裂纹缺陷是否达到自动判定标准,若其已经达到标准,则对其进行自动判断,若没有,则给出报警信号并通知质检人员进行人工干预判定。对采集到的较细小的裂纹缺陷进行人工干预判断,丢弃掉其他干扰造成的伪缺陷,从而达到提高正确检出率,减小裂纹缺陷过检测的目的。
本发明的检测装置和检测方法势会有效保证连铸坯表面质量检测的可靠性,其应用前景非常广阔。
应理解,在阅读了本发明的上述讲授内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
Claims (8)
1.一种连铸坯断面微小裂纹检测装置,其特征在于,包括:相机、光源、图像采集卡、计算机;其中:相机和光源以一定角度安装在连铸坯样板上方,相机的数据输出端连接图象采集卡,图像采集卡的数据输出端连接计算机的数据输入端,计算机对采集到的多幅图像进行图象处理并计算裂纹缺陷的尺寸并输出检测结果。
2.根据权利要求1所述的连铸坯断面微小裂纹检测装置,其特征在于,所述计算机设置有图像处理单元模块、裂纹宽度计算单元模块和裂纹缺陷判定单元模块。
3.一种连铸坯断面微小裂纹检测方法,采用权利要求1或2所述的检测装置实施,该装置包括相机、光源、图像采集卡、计算机;所述检测方法包括:
使光源发出亮光照射在连铸坯样板上,启动相机采集连铸坯样板的图像;
将相机所采集到的图像经由图像采集卡送到计算机;
启动计算机对采集到的多幅图像进行图象处理,计算出裂纹缺陷的尺寸;
对计算出的缺陷进行判断:如果计算出裂纹缺陷的宽度小于自动判断的标准,则发出警报,提示质检人员对该缺陷的检测进行人工干预判断是否裂纹缺陷;如果人工判断是裂纹缺陷则存入数据库,如果不是则丢弃掉该数据;若计算出裂纹缺陷的宽度大于等于自动判断的标准,则计算机自动计算出该缺陷的尺寸等数据,并保存至数据库。
4.根据权利要求3所述的连铸坯断面微小裂纹检测方法,其特征在于,计算机图像处理是通过图像处理单元模块对图像进行处理,计算裂纹缺陷的尺寸是通过裂纹宽度计算单元模块计算裂纹缺陷宽度。
5.根据权利要求3所述的连铸坯断面微小裂纹检测方法,其特征在于,自动判断是通过裂纹缺陷判定单元模块判断该裂纹是否裂纹缺陷,并将裂纹缺陷数据存入数据库。
6.根据权利要求4所述的连铸坯断面微小裂纹检测方法,其特征在于,图像处理单元模块对图像进行处理包括:
图像信号到达后,先对图像信号进行边缘检测,找到连铸坯样板的边缘并找出连铸坯样板左右边缘位置具体坐标值;
接着利用kirsch梯度算子进行梯度二值化处理,将图像转变成黑白图像,其中背景为白色,裂纹缺陷为黑色;
然后,对该黑白图像进行聚类处理,即对图像分别进行行扫描和列扫描,将相距在一定像素点以内的黑点连接在一起汇聚成裂纹缺陷区域,以保证每一条裂纹缺陷经过聚类后是连续的。
7.根据权利要求4所述的连铸坯断面微小裂纹检测方法,其特征在于,裂纹宽度计算单元模块计算裂纹缺陷宽度,是对该聚类出来的裂纹进行宽度计算,包括:
对该裂纹延伸方向进行曲线拟合,得出一条方向直线。然后对该方向直线以一定的像素间隔T进行垂直投影,共得到M行垂直投影结果;
然后,以象素点为单位进行统计计算,假设裂纹曲线在第一条投影线上共有D1个像素的目标点(即曲线和垂直投影线的交点处宽度),第2条投影上共有D2个目标点,第M个投影上共有DM个目标点,则
裂纹平均宽度
为图像在该垂直投影方向上的平均分辨率,其中,Rh为该图像水平方向分辨率,Rv为图像垂直方向分辨率。
Wr为根据试验确定的裂纹缺陷宽度阈值。
8.根据权利要求5所述的连铸坯断面微小裂纹检测方法,其特征在于,裂纹缺陷判定单元模块判断该裂纹是否裂纹缺陷包括:
若则该缺陷确定为裂纹缺陷,并将缺陷数据自动保存至数据库中;
若则无法确定该缺陷是否真的为裂纹缺陷,报警提示质检人员进行人工干预;若人工判定为裂纹缺陷,则将其保存至数据库;若不是裂纹缺陷,则将其数据抛弃。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310130020.6A CN104101600B (zh) | 2013-04-15 | 2013-04-15 | 连铸坯断面微小裂纹检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310130020.6A CN104101600B (zh) | 2013-04-15 | 2013-04-15 | 连铸坯断面微小裂纹检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104101600A true CN104101600A (zh) | 2014-10-15 |
CN104101600B CN104101600B (zh) | 2017-10-31 |
Family
ID=51669929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310130020.6A Active CN104101600B (zh) | 2013-04-15 | 2013-04-15 | 连铸坯断面微小裂纹检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104101600B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104655642A (zh) * | 2015-02-06 | 2015-05-27 | 江苏大学 | 一种钢材开裂型缺陷的自动测量、表征分类方法及其系统 |
CN104849280A (zh) * | 2015-04-15 | 2015-08-19 | 南京钢铁股份有限公司 | 一种连铸板坯表面纵裂纹检测方法 |
CN105136804A (zh) * | 2014-05-28 | 2015-12-09 | 宝山钢铁股份有限公司 | 高速带钢表面图像采集及图像处理装置和方法 |
CN105606619A (zh) * | 2016-01-19 | 2016-05-25 | 北京鼎新时代科技有限公司 | 一种铸坯修磨机的检测及优化修磨方法 |
CN106338514A (zh) * | 2016-08-30 | 2017-01-18 | 苏州博众精工科技有限公司 | 一种兼容多种产品检测的视觉系统及其检测方法 |
CN106651837A (zh) * | 2016-11-14 | 2017-05-10 | 中国科学院自动化研究所 | 白玻璃板表面崩边缺陷检测方法 |
CN107941808A (zh) * | 2017-11-10 | 2018-04-20 | 中国计量大学 | 基于机器视觉的3d打印成型质量检测系统及方法 |
CN108426521A (zh) * | 2017-08-12 | 2018-08-21 | 中民筑友科技投资有限公司 | 一种构件的质量检测方法及装置 |
CN108629775A (zh) * | 2018-05-14 | 2018-10-09 | 华中科技大学 | 一种热态高速线材表面图像处理方法 |
CN108627527A (zh) * | 2018-05-09 | 2018-10-09 | 昆山国显光电有限公司 | 一种开槽区裂纹检测装置及检测方法 |
CN108872273A (zh) * | 2018-05-09 | 2018-11-23 | 昆山国显光电有限公司 | 一种开槽区裂纹检测系统及检测方法 |
CN110132978A (zh) * | 2019-04-28 | 2019-08-16 | 无锡和博永新科技有限公司 | 电阻片整片检测装置及检测方法 |
CN110687121A (zh) * | 2019-09-19 | 2020-01-14 | 湖北三江航天万峰科技发展有限公司 | 一种陶瓦智能在线检测与自动分级方法和系统 |
CN111986176A (zh) * | 2020-08-20 | 2020-11-24 | 国网湖南省电力有限公司 | 一种裂纹图像识别方法、系统、终端及可读存储介质 |
CN113899874A (zh) * | 2021-11-17 | 2022-01-07 | 重庆钢铁股份有限公司 | 连铸板坯低倍检验中间裂纹的评定检测方法 |
CN116309598A (zh) * | 2023-05-23 | 2023-06-23 | 江苏永钢集团有限公司 | 一种基于机器视觉的钢连铸坯低倍组织裂纹智能评级方法 |
CN107941808B (zh) * | 2017-11-10 | 2024-04-12 | 中国计量大学 | 基于机器视觉的3d打印成型质量检测系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1696675A (zh) * | 2005-05-31 | 2005-11-16 | 哈尔滨工业大学 | 线阵图像式带钢表面在线缺陷检测装置及其检测方法 |
CN101957178A (zh) * | 2009-07-17 | 2011-01-26 | 上海同岩土木工程科技有限公司 | 一种隧道衬砌裂缝测量方法及其测量装置 |
CN102608126A (zh) * | 2012-02-23 | 2012-07-25 | 中冶连铸技术工程股份有限公司 | 一种高温连铸坯表面缺陷在线检测方法和装置 |
-
2013
- 2013-04-15 CN CN201310130020.6A patent/CN104101600B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1696675A (zh) * | 2005-05-31 | 2005-11-16 | 哈尔滨工业大学 | 线阵图像式带钢表面在线缺陷检测装置及其检测方法 |
CN101957178A (zh) * | 2009-07-17 | 2011-01-26 | 上海同岩土木工程科技有限公司 | 一种隧道衬砌裂缝测量方法及其测量装置 |
CN102608126A (zh) * | 2012-02-23 | 2012-07-25 | 中冶连铸技术工程股份有限公司 | 一种高温连铸坯表面缺陷在线检测方法和装置 |
Non-Patent Citations (1)
Title |
---|
蔡光明: "高速铁路桥梁底面裂缝的视频检测系统研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105136804A (zh) * | 2014-05-28 | 2015-12-09 | 宝山钢铁股份有限公司 | 高速带钢表面图像采集及图像处理装置和方法 |
CN105136804B (zh) * | 2014-05-28 | 2018-11-06 | 宝山钢铁股份有限公司 | 高速带钢表面图像采集及图像处理装置和方法 |
CN104655642B (zh) * | 2015-02-06 | 2017-07-18 | 江苏大学 | 一种钢材开裂型缺陷的自动测量、表征分类方法及其系统 |
CN104655642A (zh) * | 2015-02-06 | 2015-05-27 | 江苏大学 | 一种钢材开裂型缺陷的自动测量、表征分类方法及其系统 |
CN104849280A (zh) * | 2015-04-15 | 2015-08-19 | 南京钢铁股份有限公司 | 一种连铸板坯表面纵裂纹检测方法 |
CN105606619A (zh) * | 2016-01-19 | 2016-05-25 | 北京鼎新时代科技有限公司 | 一种铸坯修磨机的检测及优化修磨方法 |
CN105606619B (zh) * | 2016-01-19 | 2020-01-03 | 北京鼎新时代科技有限公司 | 一种铸坯修磨机的检测及优化修磨方法 |
CN106338514A (zh) * | 2016-08-30 | 2017-01-18 | 苏州博众精工科技有限公司 | 一种兼容多种产品检测的视觉系统及其检测方法 |
CN106338514B (zh) * | 2016-08-30 | 2019-03-26 | 博众精工科技股份有限公司 | 一种兼容多种产品检测的视觉系统及其检测方法 |
CN106651837A (zh) * | 2016-11-14 | 2017-05-10 | 中国科学院自动化研究所 | 白玻璃板表面崩边缺陷检测方法 |
CN106651837B (zh) * | 2016-11-14 | 2019-10-15 | 中国科学院自动化研究所 | 白玻璃板表面崩边缺陷检测方法 |
CN108426521A (zh) * | 2017-08-12 | 2018-08-21 | 中民筑友科技投资有限公司 | 一种构件的质量检测方法及装置 |
CN107941808A (zh) * | 2017-11-10 | 2018-04-20 | 中国计量大学 | 基于机器视觉的3d打印成型质量检测系统及方法 |
CN107941808B (zh) * | 2017-11-10 | 2024-04-12 | 中国计量大学 | 基于机器视觉的3d打印成型质量检测系统及方法 |
CN108872273A (zh) * | 2018-05-09 | 2018-11-23 | 昆山国显光电有限公司 | 一种开槽区裂纹检测系统及检测方法 |
CN108627527A (zh) * | 2018-05-09 | 2018-10-09 | 昆山国显光电有限公司 | 一种开槽区裂纹检测装置及检测方法 |
CN108629775A (zh) * | 2018-05-14 | 2018-10-09 | 华中科技大学 | 一种热态高速线材表面图像处理方法 |
CN110132978A (zh) * | 2019-04-28 | 2019-08-16 | 无锡和博永新科技有限公司 | 电阻片整片检测装置及检测方法 |
CN110687121A (zh) * | 2019-09-19 | 2020-01-14 | 湖北三江航天万峰科技发展有限公司 | 一种陶瓦智能在线检测与自动分级方法和系统 |
CN110687121B (zh) * | 2019-09-19 | 2022-06-17 | 湖北三江航天万峰科技发展有限公司 | 一种陶瓦智能在线检测与自动分级方法和系统 |
CN111986176A (zh) * | 2020-08-20 | 2020-11-24 | 国网湖南省电力有限公司 | 一种裂纹图像识别方法、系统、终端及可读存储介质 |
CN111986176B (zh) * | 2020-08-20 | 2021-06-15 | 国网湖南省电力有限公司 | 一种裂纹图像识别方法、系统、终端及可读存储介质 |
CN113899874A (zh) * | 2021-11-17 | 2022-01-07 | 重庆钢铁股份有限公司 | 连铸板坯低倍检验中间裂纹的评定检测方法 |
CN113899874B (zh) * | 2021-11-17 | 2024-04-12 | 重庆钢铁股份有限公司 | 连铸板坯低倍检验中间裂纹的评定检测方法 |
CN116309598A (zh) * | 2023-05-23 | 2023-06-23 | 江苏永钢集团有限公司 | 一种基于机器视觉的钢连铸坯低倍组织裂纹智能评级方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104101600B (zh) | 2017-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104101600A (zh) | 连铸坯断面微小裂纹检测方法及装置 | |
CN103499585B (zh) | 基于机器视觉的非连续性锂电池薄膜缺陷检测方法及其装置 | |
CN107808378B (zh) | 基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法 | |
CN109900711A (zh) | 基于机器视觉的工件缺陷检测方法 | |
Wu et al. | Train rail defect classification detection and its parameters learning method | |
Choi et al. | Detection of pinholes in steel slabs using Gabor filter combination and morphological features | |
CN104458764B (zh) | 基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法 | |
CN109682839A (zh) | 一种金属弧形工件表面缺陷在线检测方法 | |
CN110853018B (zh) | 一种基于计算机视觉的振动台疲劳裂纹在线检测系统及检测方法 | |
CN104574353A (zh) | 基于视觉显著性的表面缺陷判定方法 | |
CN109685766A (zh) | 一种基于区域融合特征的布匹瑕疵检测方法 | |
CN110310275B (zh) | 一种基于图像处理的链式传送带缺陷检测方法 | |
CN115375686A (zh) | 一种基于图像处理的玻璃边缘瑕疵检测方法 | |
EP3315951A1 (en) | Surface defect detection apparatus and surface defect detection method | |
CN113155839A (zh) | 一种基于机器视觉的钢板外表面缺陷在线检测方法 | |
WO2021227287A1 (zh) | 生产线上蜂窝产品规整度的检测方法及检测装置 | |
CN115345876A (zh) | 一种基于超声图像的螺栓螺纹缺陷检测方法 | |
CN104240252A (zh) | 一种机器视觉棒材高温钢坯表面裂纹检测算法 | |
CN115601359A (zh) | 一种焊缝检测方法及装置 | |
Fu et al. | Research on image-based detection and recognition technologies for cracks on rail surface | |
CN113720914B (zh) | 超声波探伤系统及超声波探伤方法 | |
CN109767426B (zh) | 一种基于图像特征识别的盾构隧道渗漏水检测方法 | |
Hashmi et al. | Computer-vision based visual inspection and crack detection of railroad tracks | |
CN116309447A (zh) | 一种基于深度学习的水坝斜坡裂缝检测方法 | |
CN112837285B (zh) | 一种板面图像的边缘检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |